我國能源效率、CO2減排潛力及影響因素分析

曾賢剛(中國人民大學環境學院,北京 100872)

我國能源效率、CO2減排潛力及影響因素分析

曾賢剛*(中國人民大學環境學院,北京 100872)

基于DEA方法構建出一個包含CO2排放量的綜合能源效率指標,運用2000～2007年省級面板數據計算了我國30個省市的綜合能源效率,并使用Tobit模型分析了該綜合能源效率的影響因素.研究表明:全國能源效率最高的4個省市分別為上海、廣東、海南和青海,該結果與不考慮CO2排放的能源效率計算結果有所差異;我國各省區CO2減排潛力呈現出5種變化趨勢,包括基本不變、先降后升、先升后降、穩定上升、穩定下降,其中減排潛力較大的為山東、山西、河北、遼寧4省;我國政府影響力、對外開放程度對能源效率影響顯著,產業結構、環保力度對能源效率影響不顯著,此外技術進步指標由于難以正確的衡量,其對能源效率的影響還難以說明.

DEA；能源效率；CO2排放；Tobit模型

Abstract：Based on the DEA approach, this paper estimates a comprehensive energy efficiency indicator which incorporates CO2emission for 30 provinces/cities in China using the panel data from 2000 to 2007, and then investigates its determinants by employing a Tobit model. The estimation results show that the four provinces with the highest energy efficiency in China are Shanghai, Guangdong, Hainan and Qinghai, which is different from the energy efficiency estimation that does not take into account CO2emissions. The reduction potential of CO2emission in these provinces shows five kinds of trends, including the basically unchanged, up after going down, down after going up, steadily rising, and steadily declining. The provinces which have high potential for emission reduction are Shandong, Shanxi, Hebei and Liaoning. The government’s expenditure and the opening degree have a significant influence on energy efficiency, while the industry structure and enforcement of environmental protection aren’t closely related with it.The impact of technology progress cannot be clearly identified for lacking of appropriate measurement.

Key words：DEA；energy efficiency；CO2emission；Tobit model

我國當前的能源形勢十分嚴峻,一方面能源需求量日趨增加,供需矛盾凸顯;另一方面由于能源生產和消費所產生的溫室氣體對全球氣候的影響越來越引起人們的關注.為了實現可持續發展,我國政府在“十一五”規劃中就明確規定了單位GDP能耗降低20%的約束性指標,而且在2009年11月25日,我國政府又確定到2020年我國單位GDP二氧化碳排放比2005年下降40%～45%[1],并作為約束性指標納入國民經濟和社會發展中長期規劃.為了實現節能減排目標,提高能源效率已經成為當前非常緊迫的任務.

目前,國內外關于中國能源效率的研究有很多,其中大多數都是基于能源消耗強度比較及其變動的因素分解分析[2-7].這是一種單要素的能源效率方法,沒有考慮到能源與資本、勞動等要素之間的替代性.為了彌補這一缺陷,基于生產函數的多要素能源效率方法得到了應用.這一方法又分為非參數法和參數法,典型的非參數法如數據包絡分析(DEA),參數法如隨機前沿函數法(SFA).與SFA相比,DEA更適合于在多要素生產函數理論框架下計算某種投入要素的利用效率.運用DEA方法研究能源效率問題一般圍繞行業層面和區域層面兩條線索展開,具體分析各個行業或各個區域的能源效率差異、節能減排潛力及其影響因素[8-14].這種方法依靠線性規劃技術鎖定最優的決策單元(DMUs),可以系統地測度和比較各決策單元的能源效率.但是目前運用DEA方法進行的能源效率研究仍然存在一些問題.一方面,對于能源效率的概念缺少統一標準,而且其評價指標本身也存在一定缺陷,由此導致各種研究計算出來的能源效率結果差異較大.另一方面,目前國內對地區能源效率的研究大都只考慮經濟產出,而對能源利用過程產生的環境非期望產出則不予考慮,使得研究結果缺乏科學性.為了彌補這些缺陷,筆者對多要素能源效率的概念進行了擴充,引入與能源利用密切相關的CO2排放量作為產出指標,應用DEA模型計算考慮CO2產出后的能源綜合效率,并據此分析各省區CO2減排潛力,同時利用Tobit模型對其可能的影響因素進行深入分析.

1 研究方法與模型

1.1一階段數據包絡分析法(DEA)

數據包絡分析法最初是由Charnes等[15]提出,是基于規模報酬不變(CRS)的DEA模型.該模型是將Farrell[15]所提出的“兩投入-產出”模式,推廣至“多投入多產出”模式,并利用線性規劃和對偶定理,求出待評估單位的生產前沿,凡落在邊界上的決策單位(DMU)稱為DEA有效率,其效率值為1;而其他未落在邊界上的DMU則稱為DEA無效率,其效率值介于0與1之間.之后, Banker等[16]擴展了CRS模型中關于規模報酬不變的假設,提出了基于可變規模報酬(VRS)的DEA模型.它構成了一個截面凸包,比CRS構成的圓錐包更為緊湊,同時可以將技術效率分解為純技術效率和規模效率.據此,可利用線性規劃方法計算每一決策單位的相對效率.

由于DEA方法可以有效的處理多投入和多產出的情況,并可直接計算出能源效率和投入冗余量,其在避免主觀因素、簡化算法、減少誤差等方面也有著不可低估的優越性,因此本文采用DEA方法建立能源效率評價模型.利用常規DEA模型可以將非同質投入資源進行加總,并考察評價單元相對于生產前沿面上的能源技術效率,但其產出指標一般為價值指標等期望產出,對于污染物等非期望產出卻不適用.本文中的能源效率除了考慮一般的經濟價值指標外,還考慮環境污染物非期望產出.在DEA模型中,環境污染物等非期望產出表現為負產出,因此必須對非期望產出進行處理.目前處理環境污染物的DEA模型主要包括曲線測度評價法、污染物作投入處理法、數據轉換函數處理法和方向距離函數法.曲線測度法求解方法比較繁瑣,污染物作投入處理法違背了實際的生產過程,數據轉換函數處理法可能會破壞模型的凸性要求,方向距離函數法評價的效率值受主觀因素的影響很大.綜合DEA相關文獻[17-18]的研究成果后,本研究選擇數據轉換函數處理法的DEA模型.該方法是Seiford 等[19]于2002年正式提出,基于VRS模型的分類不變性原理,有效地保持了凸性和線性關系,是一種較好的環境效率評價方法.目前,主要有3種數據轉換函數法:負產出、非線性數據轉換和線性數據轉換.由于線性數據轉化方法在VRS模型中具有很大優勢,因此本文采用線性數據轉換法,它是通過一種線性的數據轉化函數f(b)=v-b將污染物轉化為期望產出的轉化方法,其中,v是一個足夠大的向量以保證所有轉化的期望產出是正數.

綜合考慮數據特點、處理難度、結果分析等因素,本研究選取基于投入導向的VRS模型,可避免CRS模型中無法保持分類一致性的問題.

假定有n個獨立的評價單元DMU,每個DMU都有m種資源投入xi和s種產出yi,同時排放出k種污染物bi.首先采用線性數據轉換函數(b′i=-bi+v)對污染物進行轉化,v是一個足夠大的向量,然后將b′i作為期望產出添加到常規DEA模型中.

式中:θ0為評價單元DMUj0的有效值;ηj為相對于DMUj0重新構造的一個有效DMU組合中第j個評價單元DMUj的組合比例;si?、sr+、st+為松弛變量.

1.2二階段Tobit回歸分析

在利用DEA模型計算出決策單元效率值后,為了解效率的影響因素及其影響程度,在DEA分析的基礎上衍生出了兩步法[20].該方法第1步采用DEA分析評估出決策單位的效率值,第2步以上一步中得出的效率值作為因變量,以影響因素等作為自變量建立回歸模型.因為DEA法得出的效率指數介于0和1之間,所以回歸方程的因變量就被限制在這個區間.如果直接采用最小二乘法,會給參數估計帶來嚴重的有偏和不一致.為此,第二步采用Tobit回歸分析.

Tobit分析是因變量受限模型,當因變量為切割值或片斷值時采用[21-22].如果要分析的數據具有這樣的特點:因變量的數值是切割或片段的情況時,那么普通最小二乘法(OLS)就不再適用于估計回歸系數,這時遵循最大似然法概念的Tobit 模型就成為估計回歸系數的一個較好選擇.

2 我國各省區能源效率及CO2減排潛力

2.1投入產出變量選擇及數據來源

以2000～2007年中國30個省級行政區域的數據作為能源效率的評價單元,不包括西藏和港澳臺地區.投入指標分別為能源消費量、勞動力和固定資產折舊,產出指標分別為各省區的GDP及其CO2排放量.本研究中能源效率的投入產出指標共有5個,符合DEA方法對評價單元的數量至少是投入產出指標數量之和2倍的要求.

其中,各省區能源消費量主要包括化石能源、水電和核電,數據來自2001～2008年的《中國能源統計年鑒》[23],且各年能源消費總量均已換算成標準煤;勞動力數據來自2001～2008年的《中國統計年鑒》[24],當年就業人數按照(當年年末就業人數+上一年年末就業人數)÷2來計算得到;各省區固定資產折舊數據來自于中經網數據庫;各地區生產總值的數據來自2001～2008年的《中國統計年鑒》,并以2000年為基準年,對2001～2007的地區生產總值進行修正.

各省區CO2排放量的數據來源相對復雜,它是根據《2006年IPCC國家溫室氣體清單指南》提供的方法學和我國的能源統計數據,對各省區的排放狀況進行核算.本文中CO2排放為經濟生產過程的排放,核算對象包括化石燃料燃燒的排放和水泥生產過程的排放兩部分.其中,化石燃料燃燒通過2001～2008年間《中國能源統計年鑒》提供的各地區煤炭、焦炭、各類石油、天然氣實物消費量進行計算,水泥生產過程則通過2001～2008年間《中國水泥年鑒》[25]所提供的各地區水泥產量數據進行分析.然后,根據各省區CO2排放量數據,采用線性數據轉換函數將環境影響指標w轉化為環境正影響指標w′=v-w,并確定v＝100000,然后將w′作為期望產出添加到常規DEA模型中.

2.2能源效率與CO2排放的關系

本研究中能源效率是在給定各種投入資源的條件下實現最大經濟產出和最小CO2排放的能力,或在給定經濟產出和CO2排放量的條件下,實現資源投入最少的能力.由此可知,在其他要素不變的情況下,地區CO2排放量減少會提高地區能源效率,地區CO2排放量增加會降低地區的能源效率.

圖1 能源效率與CO2排放的關系Fig.1 Relationship between energy efficiency and CO2emission

需要注意的是,投入要素中的能源消費量會同時從投入和產出兩方面影響地區的能源效率.假定某地區除能源消費總量外的其他投入要素和經濟產出均保持不變,那么由能源效率的定義可知,該地區的能源消費總量減少必然會提高地區的能源效率;除此以外,由于地區CO2排放主要來自于化石能源的燃耗,如果地區能源消費總量減少主要來自化石能源消費量的減少,則地區CO2排放量也會伴隨能源消費總量的減少而相應減少,則地區能源效率會應CO2排放量的減少而再次提高.具體關系見圖1.

2.3能源效率分析

通過DEAP2.1軟件,計算得到2000～2007年中國30個省級行政區域的能源效率(表1),其中能源效率進一步分解為純技術效率和規模效率.

表1 中國30個省級行政區域的能源效率(2000～2007)Table 1 Energy efficiency of the thirty provinces in China from 2000 to 2007

由表1可見,上海、廣東、海南和青海的能源效率最高,2000～2007年的能源效率均為1,共同構成了中國能源效率的前沿面,北京、天津、內蒙古、遼寧、黑龍江、浙江、福建、廣西、重慶等省份也均有若干年位于前沿面上;山東、湖北、陜西、甘肅的能源效率最低,其能源效率值常年在0.8以下.

在規模可變的條件下,對于非DEA有效的行政區域可以分別考察其技術有效性和規模有效性.通過表1考察2000～2007年間的非DEA有效的行政區域:北京(2004～2006)、福建(2002～2004)、河南(2005～2007)均曾連續出現純技術有效但非規模有效,這說明這3個行政區域按照當時的產出計算,其投入不可能再減少了;遼寧(2002)、吉林(2004)、山東(2002)、重慶(2006)、貴州(2004)、云南(2000～2001,2007)、新疆(2004)等7省均曾出現規模有效而非純技術有效的情況,說明其資源利用雖然實現了規模經濟性,卻不擁有最佳的技術水平.其余行政區域在相應年份既非技術有效也非規模有效,也就是說這些行政區域在當時存在投入冗余或產出不足的情況,即使減少其部分投入,也有可能保持當時的產出水平不變.

另外,國內一些學者,如魏楚等[8]曾經借助聚類分析而非傳統的東、中、西區域來劃分不同的能源效率地區,并將之區分為能源高效、中效和低效區,本研究應用這一方法同他們的劃分結果相比較,見表2.

表2 能源效率聚類分析Table 2 Cluster analysis of energy efficiency

由表2可見,在僅考慮經濟產出的能源效率聚類中,對于遼寧、黑龍江、湖北、湖南、云南等的評價得分偏高,而對北京、天津、內蒙古、浙江、福建、重慶、青海和寧夏的測度則偏低.在魏楚等[8]的聚類結果中,內蒙古、青海、寧夏均處于能源低效區,但在本研究中三者均為能源高效區.主要原因是魏楚等[8]計算的全要素能源效率忽視了環境影響這個非期望產出,從而導致以此為基礎的聚類分析結果與地區生產總值具有較強的正相關性,具體表現在一些低工業產值、環境友好的省市被劃至能源低效區.

2.4各省區CO2減排潛力分析

非DEA技術有效的各省區均存在投入冗余或產出不足的情況,投入冗余即減少投入也可達到原有的產出水平;產出不足即保持投入不變也可增加一定的產出.本研究重點考慮環境正影響產出不足的情況.由于本例中環境正影響是由地區CO2排放量的相反數轉化而來,因此環境正影響產出不足實際上反映了地區CO2排放量的過剩;環境正影響產出不足率則實際上反映了地區CO2排放量過剩率,即各省區理論上存在的CO2減排潛力.

對2000～2007年DEA非技術有效的各省區做CO2減排潛力(環境正影響產出不足)分析,得到表3的結果.

考察2000～2007年各省區的CO2減排潛力,DEA技術常年有效的省份有北京、天津、上海、福建、河南、廣東、廣西、海南、重慶、青海,在投入一定的情況下,它們大都不存在CO2排放過剩的情況,減排潛力為0(這里的減排潛力是個相對值,而非絕對值.減排潛力為0并不代表該區域CO2無法進一步減排,而是指以國內當時應用最優技術水平而言,再減排CO2的可能性很低).而DEA非有效的省區均存在不同程度的CO2排放過剩,這些省區都具有不同程度的CO2減排潛力.以2007年的數據為例,減排潛力最高的為山東、山西、河北、遼寧4省,減排潛力分別為1415.2%、177.5%、168.7%和99.4%,尤其是山東省,其CO2排放量居于全國首位并遠超全國平均水平,減排潛力很大.

表3 2000～2007年中國各省區CO2減排潛力分析(%)Table 3 Potential of CO2Emission Reduction in the thirty provinces of China from 2000 to 2007 (%)

由表3可知,我國各省區CO2減排潛力大致有5種變化趨勢:(1)基本不變,此類省份2000～2007年間的CO2減排潛力排名情況變化不大,大都在平均值附近波動,主要為北京、山西、上海、遼寧、福建、吉林、江蘇、山東、陜西、廣東、廣西、青海和新疆;(2)先降后升,其拐點大都在在2004年或2005年,主要為河北、黑龍江、湖北、湖南、貴州;(3)先升后降,主要省份為四川、甘肅和寧夏;(4)穩定上升,此類省份的減排潛力呈現較明顯的上升趨勢,如內蒙古、浙江、云南;(5)穩定下降,此類省份的減排潛力呈現較明顯的下降趨勢,如天津、安徽、重慶.

3 影響因素的計量分析

3.1變量選取及數據來源

根據文獻調研和社會經濟發展的經驗,筆者認為各省區能源效率的可量化影響因素主要有以下幾個方面:產業結構、技術進步、政府的影響力、對外開放程度、環保治理投入等.本研究產業結構以第3產業增加值在該地區GDP中的所占比重表示;技術進步以地區專利授權數表示;政府的影響力用地方財政支出所占GDP比重來表示;對外開放程度用該地區進出口貿易總額所占GDP比重來替代;環保治理投入用地區工業污染治理投資占GDP比重來表示.

數據考察期為2000～2007年,包含我國30個省市(西藏除外)8年內共240樣本單元.基礎數據主要來自于《中國統計年鑒》、國家統計局環保專題數據和中經網地區數據庫.對外貿易總額換算成人民幣單位時采取的匯率值為中國人民銀行的匯率統計數據的年平均值.

3.2回歸模型建立

用DEA模型計算出來的能源效率值都處于0和1之間,最大值為1,具有被切割或截斷的特點,因此選擇Tobit回歸模型.本研究建立能源效率影響因素Tobit 模型如下:式中:y為DEA的效率值;x1為第三產業增加值占GDP比重;x2為專利授權數;x3為財政支出占GDP比重;x4為進出口總額占GDP比重;x5為工業污染治理投資占GDP比重;.β0為常數項;ε為隨機項.

3.3結果分析

利用Eviews 3.1專門處理Tobit模型刪尾數據的最大似然估計程序,對上述面板樣本數據進行回歸,結果如表4.

從表4可以看到具體的回歸結果:產業結構的調整對能源效率的影響并不顯著.這與史丹[26]研究能源效率的結論類似,史丹的研究表明產業結構變化對能源效率的作用自20世紀90年代中期起正在逐漸消失,甚至產生負向作用.一國產業結構在短期內難以改變,短期內其對化石能源的需求總量也難以下降,同時由于CO2排放主要來自于化石能源的燃燒,故產業結構調整在短期內對能源效率并不會產生顯著的影響.

表4 Tobit模型回歸結果Table 4 Regression results of Tobit model

由于我國地區間差異大,存在著明顯的區域特征,因此,筆者進一步分區域考察了產業結構對能源效率的影響.回歸結果表明,產業結構在西部和東北老工業基地2個地區中具有顯著的影響.其中,西部地區產業結構調整對能源效率的影響是正向的,系數為1.751,說明該地區第3產業比重的增加可以提高該地區的能源效率.而東北老工業基地的情況則相反,系數為-3.921,這說明過分追求第3產業的提高會導致經濟的無效率,即使CO2正產出增加也不足以抵消經濟產出減少造成的整體能源效率的下降.此外,產業結構對沿海和中部地區的影響較不顯著.全國尺度上產業結構調整對能源效率影響不顯著的原因主要有兩個.一是我國產業結構調整不明顯,更多的是地區間的產業轉移;二是由于地區間差異較大,產業結構對各地區的影響存在區域特征.

技術進步對能源效率表現出負效應,與理論和客觀事實不符.本研究出現這樣的結果可能是由于授權專利數無法良好地衡量技術進步指標.目前國內學者對于技術進步指標的刻畫大都采用專利申請量或R&D比重等,都存在不足之處.由于國內進行研發的主體是政府機構,技術研發往往同市場應用脫鉤,并且當前中國的自主研發相對較少,更多的是對國外技術的引進和吸收,因此專利數不能反映國內的技術水平.

政府對經濟社會影響程度的增加會提高能源效率.研究表明財政支出所占比重每增加1%,能源效率提高0.509%,這一結果與魏楚等[8]關于政府財政支出會降低能源效率的結論相反.筆者認為,原因在于本研究中添加了CO2排放作為環境產出.這也說明,即使政府干預會降低地區經濟產出,但其CO2排放量減少而新增的環境正產出也可一定程度上彌補經濟產出對能源效率的影響.也就是說,在考慮到氣候變化這一具有顯著外部性的環境問題時,政府的干預是有效的,這與外部性理論是相符的.同時,在我國目前的經濟體制和政治體制背景下,解決環境問題主要依賴于政府的宏觀調控能力.因此,應當加強政府的影響力.

對外開放程度對能源效率有正面影響,這與多數研究關于對外貿易可以提高地區經濟效率結論相符.對外貿易總額每增加1%,能源效率將提高0.294%.這是由于對外開放程度的擴大使得該地區可以引進先進的技術、設備和管理經驗,這些都會降低該地區的單位能耗和CO2排放強度,進而提高地區能源效率.另外,對外開放還能夠促進當地學習和借鑒先進的環保技術和環境管理經驗,特別是氣候變化問題上,根據《京都議定書》協定的國際間合作機制,如CDM機制等的開展,更能夠在促進當地經濟發展的同時減少CO2排放量.

環保投資對能源效率有負影響.如果考慮中國國情和現狀也可以理解.一方面當前的環保投資統計主要考慮“三同時”、環境基礎設施建設、工業污染物治理3方面,并沒有直接針對節能措施和CO2減排的投資.另一方面,中國污染治理投資占GDP比重一直處于較低水平且治理效果不佳,同時污染治理投資往往是被動的,污染越重的地區會被迫投入更多的資金卻獲得較差的投資效果,在數據上造成環保投資對能源效率成反比例關系.

4 結論

4.1忽視環境產出的全要素能源效率指標不能有效地刻畫出能源效率.本文通過DEA方法定義的包含CO2排放量作為環境產出的綜合能源效率是一個相對更優的指標.

4.2省級綜合能源效率的計算表明,上海、廣東、海南和青海的能源效率最高,山東、湖北、陜西、甘肅的能源效率最低,其能源效率值常年在0.8以下.與傳統能源經濟效率相比較發現,一些低產值、環境友好的省區能源效率要高于高產值但非環境友好的省區.

4.3在2000～2007年間,我國各省區CO2減排潛力呈現出5種變化趨勢,包括基本不變、先降后升、先升后降、穩定上升、穩定下降.其中減排潛力較大的為山東、山西、河北、遼寧4省,尤其是山東省,其CO2排放量居于全國首位并遠超全國平均水平,減排潛力最大.

4.4利用Tobit模型分析綜合能源效率影響因素的回歸結果表明,我國政府影響力、對外開放程度對能源效率影響顯著,而產業結構、環保投入對能源效率影響不顯著,此外技術進步由于難以通過合適的指標進行刻畫,其對能源效率的影響還難以解釋.

[1] 國務院新聞辦公室.我國承諾2020年單位GDP的二氧化碳排放下降40%～45% [N/OL]. 新華網, 2009年11月26日.

[2] 張曉平.中國能源消費強度的區域差異及影響因素分析 [J].資源科學, 2008,30(6):883-889.

[3] 齊紹洲,羅 威.中國地區經濟增長與能源消費強度差異分析[J]. 經濟研究, 2007,(7):74-81.

[4] 王玉潛.能源消耗強度變動的因素分析方法及其應用 [J]. 數量經濟技術經濟研究, 2003,(8):151-154.

[5] Sun J W. Three types of decline in energy intensity-an explanation for the decline of energy intensity in some developing countries [J]. Energy Policy, 2003,31(6):519-526.

[6] Garbaccio R F, Ho M S, Jorgenson D W. Why has the energy-output ratio fallen in China ? [J]. The Energy Journal, 1999,20(3):63-91.

[7] Fisher Vanden K, Jefferson G H, Liu H M, et al. What is driving china’s decline in energy intensity? [J]. Resource and Energy Economics, 2004,26(1):77-97.

[8] 魏 楚,沈滿洪.能源效率及其影響因素:基于DEA的實證分析[J]. 管理世界, 2007,(8):66-76.

[9] Hu Jin-Li, Wang Shih-Chuan. Total factor energy efficiency of regions in China [J]. Energy Policy, 2006(17):3206-3217.

[10] 楊紅亮,史 丹.能效研究方法和中國各地區能源效率的比較[J]. 經濟理論與經濟管理, 2008,(3):12-20.

[11] Mukherjee K. Energy use efficiency in US manufacturing: A nonparametric analysis [J]. Energy Economics, 2008,(30):76-96.

[12] Mukherjee K. Energy use efficiency in the Indian manufacturing sector: An interstate analysis [J]. Energy Policy, 2007,(10):1-11.

[13] 鄒艷芬,陸宇海.基于空間自回歸模型的中國能源利用效率區域特征分析 [J]. 統計研究, 2005,(10):67-71.

[14] 史 丹.中國能源效率的地區差異與節能潛力分析 [J]. 中國工業經濟, 2006,(10):49-58.

[15] Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of DMU [J]. European Journal of Operational Research, 1978,2(6): 429-444.

[16] Banker R D, Charnes A, Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis [J]. Management Science, 1984,(30):1078-1092.

[17] 王 波,張 群,王 飛.考慮環境因素的企業DEA有效性分析[J]. 控制與決策, 2002,(l):24-28.

[18] 卞亦文.基于DEA理論的環境效率評價方法研究 [D]. 合肥:中國科學技術大學, 2006.

[19] Seiford L M, Zhu J. Modeling undesirable factors in efficiency evaluation [J]. European Journal of Operational Research, 2002,142(1):16-20.

[20] Coelli T J, Rao D S P, Battese G E. An introduction to efficiency and productivity analysis [M]. Boston: Kluwer Academic Publishers, 1998.

[21] Tobin J. Estimation of relationship for limited dependent variables [J]. Econometrica, 1958,(26):24-36.

[22] Goldberger A S. Econometric theory [M]. New York: John Wiley and Sons, Inc, 1964.

[23] 國家統計局.中國能源統計年鑒(2001-2008年) [M]. 北京:中國統計出版社, 2009.

[24] 國家統計局.中國統計年鑒(2001-2008年) [M]. 北京:中國統計出版社, 2009.

[25] 中國水泥協會.中國水泥年鑒(2001-2008年) [M]. 吉林:吉林教育出版社, 2009.

[26] 史 丹,張金隆.產業結構變動對能源消費的影響 [J]. 經濟理論與經濟管理, 2009,(8):30-32.

Energy efficiency, potential of CO2emission reduction and its determinants across Chinese regions.

ZENG Xian-gang*(School of Environmental and Natural Resources, Renmin University of China, Beijing 100872, China). China Environmental Science, 2010,30(10)：1432～1440

X24

A

1000-6923(2010)10-1432-09

曾賢剛(1972-),男,江西九江人,副教授,博士,研究方向為環境經濟與管理.發表論文40余篇.

2010-01-07

環境保護部“溫室氣體排放統計核算與環境監管能力建設”項目;中國人民大學明德學者計劃項目(10XNJ013)

* 責任作者, 副教授, zengxg@ruc.edu.cn